影像算法瓶頸突破 汽車(chē)ADAS再進(jìn)化

根據交通部的長(cháng)期統計與特性分析報告指出，全國主要交通事故原因中，以「未保持行車(chē)安全距離」為最多。以2014年上半年國道高速公路為例，A1類(lèi)(造成人員當場(chǎng)或24小時(shí)內死亡)的交通事故總計三十件，而未保持安全距離(車(chē)前狀態(tài))占最大宗，總共有十件，并造成十一人死亡、十三人重傷。其次為變換車(chē)道不當，總計為六件，并造成八人死亡、八人重傷。然事實(shí)上，交通部在2012年國道事故檢討報告指出，在這些造成不幸的交通事故當中，有高達79.1%的意外是有機會(huì )事先預防的。

有鑒于此，各大車(chē)廠(chǎng)與駕駛人紛紛在車(chē)輛上安裝各種駕駛輔助系統，以降低肇事率(圖1)。在各種系統中，以影像為基礎的輔助駕駛系統市占率最高;其主要原因為成本低廉，且可與行車(chē)記錄器結合使用，并能將偵測的結果以視覺(jué)影音的方式呈現給駕駛人，雖然其偵測距離不及紅外線(xiàn)與雷達，但仍廣受歡迎。

圖1各種不同形式之ADAS傳感器

開(kāi)發(fā)成本低廉影像式ADAS受青睞

為有效降低因駕駛者不專(zhuān)心所導致的事故發(fā)生，車(chē)道偏移警示系統(Lane Departure Warning System, LDWS)與前方碰撞警示系統(Forward Collision Warning System, FCWS)為世界各國重視，是業(yè)界爭相投入開(kāi)發(fā)的兩大首要先進(jìn)駕駛輔助系統(Advanced Driver Assistance System, ADAS)功能。 .LDWS

LDWS主要功能運作是透過(guò)攝影機拍攝車(chē)輛前方的場(chǎng)景，然后經(jīng)圖像處理與計算，產(chǎn)生車(chē)道偵測的結果;一旦車(chē)輛在沒(méi)有打方向燈的情形下開(kāi)始偏移車(chē)道時(shí)，系統則會(huì )自動(dòng)發(fā)出各種警示訊號，提醒駕駛者立即做出反應以避免意外發(fā)生。

.FCWS

FCWS的主要功能亦是透過(guò)攝影機拍攝車(chē)輛前方的場(chǎng)景，經(jīng)過(guò)圖像處理算法的計算后，將前方的車(chē)輛偵測出來(lái)，并且推估兩車(chē)之間的距離;當兩車(chē)未保持適當的行車(chē)距離時(shí)，系統亦自動(dòng)對駕駛人發(fā)出警告，甚至近年來(lái)已有車(chē)廠(chǎng)開(kāi)始評估是否由行車(chē)計算機系統接管煞車(chē)功能。

上述兩種ADAS的主要功能，其共同點(diǎn)就是拍攝車(chē)輛前方的場(chǎng)景信息。一般而言，FCWS與LDWS都會(huì )使用同一個(gè)攝影機所取得的影像信息，且該攝影機亦可將影像信息儲存起來(lái)，做為行車(chē)記錄器之用。因此，FCWS與LDWS除了現有汽車(chē)制造商進(jìn)行開(kāi)發(fā)研究之外，制作行車(chē)記錄器的廠(chǎng)商亦積極投入研發(fā)。

PC-based為早期慣用平臺

數字圖像處理平臺主要可分為兩大類(lèi)，分別為軟件導向的PC-based與硬件導向的獨立型(Stand Alone)平臺;這兩類(lèi)各有其優(yōu)缺點(diǎn)。早期，由于獨立型的系統運算資源非常局限，中央處理器(CPU)指令周期較慢、內存空間不足、可支持的接口設備亦短缺，加上缺乏有效的影像程序開(kāi)發(fā)接口，導致圖像處理算法的開(kāi)發(fā)人員習慣采用PC-based做為硬件平臺?，F在，由于超大規模集成電路(VLSI)與系統單芯片(SoC)的進(jìn)步，數字系統的芯片有大幅進(jìn)步同時(shí)縮小化的進(jìn)展，使得目前嵌入式系統可以在低價(jià)位的情形下，提供高速CPU、海量存儲器、更多的周邊控制，甚至可以有多核心的處理器(Processor)。

獨立型平臺符合輕薄短小設計需求 如此進(jìn)步下，嵌入式系統已經(jīng)開(kāi)始朝多媒體邁進(jìn)，增加影像與視訊等二維(2D)/三維(3D)訊號的運算，以擴大應用范圍;再加上隨著(zhù)智能化與云端化的趨勢，多媒體應用與安全監控平臺，已漸由PC-based走向獨立型嵌入式系統，以便滿(mǎn)足車(chē)載應用對省電與輕薄短小的需求。 有鑒于此，工研院便以獨立型嵌入式系統方式來(lái)進(jìn)行ADAS的開(kāi)發(fā)與驗證。 首先，算法開(kāi)發(fā)人員為取得影像來(lái)開(kāi)發(fā)算法，在開(kāi)發(fā)初期必須自行駕駛配有行車(chē)記錄器的車(chē)輛，于道路上拍攝各種不同場(chǎng)景、天候等行車(chē)影片，過(guò)程中還必須兼顧「正確率」與「效能」，因為對任何算法而言，良好的正確率只是最基本的條件。 攸關(guān)警告提示速度ADAS算法驗證至為重要

ADAS對于算法的效能必然斤斤計較，因為當危險狀況發(fā)生時(shí)，系統必須實(shí)時(shí)(Real-time)發(fā)出警告。以FCWS為例，當某車(chē)輛于國道高速公路以時(shí)速100公里行駛時(shí)，亦即其每秒前進(jìn)27.7公尺;系統若延遲0.1秒發(fā)出警告，則車(chē)輛將繼續前進(jìn)2.77公尺;因此設計人員習慣以訊框速(Frame Per Second, FPS)來(lái)驗證ADAS中的算法之效能，當FPS值越大時(shí)，代表該算法的效能越佳。

當然，算法的效能必定與嵌入式平臺的處理器速度、資源相關(guān)，所以在開(kāi)發(fā)初期就必須考慮算法的計算量是符合何種嵌入式平臺，否則將出現算法無(wú)適當平臺可用的困境。

結合快速影像分割結果車(chē)道線(xiàn)偵測算法效能穩健

LDWS為ADAS中較早被開(kāi)發(fā)的功能，車(chē)道偏移警示系統的研發(fā)，主要包含「車(chē)道線(xiàn)偵測」以及「車(chē)道偏移偵測」兩個(gè)項目。雖然這個(gè)研究已經(jīng)有十幾年的歷史，同時(shí)也有許多知名學(xué)者投入此領(lǐng)域的研究，但是其研究成果還有許多須要改進(jìn)之處;如在車(chē)道線(xiàn)偵測方面，因為無(wú)法預測車(chē)道線(xiàn)與道路的顏色差距(梯度 (Gradient))程度。因此，算法中默認的參數便無(wú)法偵測出所有類(lèi)型的車(chē)道線(xiàn)。此外，為強化車(chē)道線(xiàn)的特性，往往須要重迭多張連續的畫(huà)面，以加長(cháng)車(chē)道線(xiàn)的長(cháng)度。

最后，由于使用的直線(xiàn)偵測算法，無(wú)法提供直線(xiàn)是否屬于車(chē)道線(xiàn)或是非車(chē)道線(xiàn)等信息，因此傳統的車(chē)道偏移系統，需要一個(gè)手動(dòng)設定的畫(huà)面，標示出可能的車(chē)道線(xiàn)區域，藉此過(guò)濾掉非車(chē)道路線(xiàn)。

在車(chē)道偏移偵測方面，須要分析連續畫(huà)面的變化，才能判斷車(chē)子是否偏移，如此一來(lái)，系統便無(wú)法實(shí)時(shí)通知駕駛有關(guān)車(chē)道偏移的信息。有鑒于此，工研院已經(jīng)自行開(kāi)發(fā)出一種快速且強健的車(chē)道偏移警示系統;藉由結合「快速影像分割」的結果，所開(kāi)發(fā)的車(chē)道線(xiàn)偵測算法，可以偵測出各種類(lèi)型的車(chē)道線(xiàn)，不須要分析連續畫(huà)面的變化，可以?xún)H由一張畫(huà)面，便判斷出車(chē)輛是否偏移。

該算法的執行流程(圖2)主要有五個(gè)步驟。

圖2LDWS算法流程圖

.影像分割(Image Segmentation)

首先，對原始影像進(jìn)行「區域化」的步驟，將影像分成若干區域。

.車(chē)道線(xiàn)區域偵測(Road Line Region Detection)

然后結合「影像分割后的結果」以及「梯度分析」，以完成車(chē)道線(xiàn)區域偵測。

.車(chē)道線(xiàn)候選區域(Road Candidate Determination)

使用區域標記(Connected Component Labeling)的方式，標記每個(gè)連通區域(Connected Component)，進(jìn)而分析各區域的特性，去除「非車(chē)道線(xiàn)區域」，以完成工作。

.車(chē)道線(xiàn)判定(Road Line Determination)

接著(zhù)進(jìn)行車(chē)道線(xiàn)判定步驟。

.車(chē)道偏移警示(Lane Departure Warning)

最后，藉由判斷左右車(chē)道線(xiàn)的角度，以完成警示的功能。

該算法的執行結果可參考圖4。